我的数据集是这样的购买历史记录:
+---+-----------+---------+
|usn| page_id| click|
+---+-----------+---------+
| 11| 9000001012| 10|
|169| 2010008901| 100|
|169| 9000001007| 4|
|169| 2010788901| 1|
|169| 8750001007| 4|
|169| 9003601012| 10|
|169| 9000001007| 4|
|613| 9000050601| 8|
|613| 9000011875| 3|
|613| 2010010401| 6|
|613| 9000001007| 4|
|613| 2010008801| 1|
|836| 9000050601| 20|
|916| 9000050601| 10|
|916| 9000562601| 30|
|916| 9000001007| 4|
|916| 9000001012| 10|
+---+-----------+---------+
我已经在Spark(http://spark.apache.org/docs/latest/ml-collaborative-filtering.html)中阅读了文档。
现在,我想将ALS应用于此数据集。怎么做?我可以将此数据集应用于明确的数据吗?
请帮助我使用它,并给我一个示例代码python关于隐式偏好,如果您有
我的答案很晚,但是主要的是扩展值'click'。在我的情况下工作:
from pyspark.sql import Window
ww = Window.partitionBy("usn")
scaled_score = (
0.00001 + 10*(col("click") - min("click").over(ww)) / (max("click").over(ww) - min("click").over(ww))
).cast(DecimalType(7, 5))
为访问量最多的page_id创建策略后,请记住,要建模的值应反映客户的口味